論文の概要: CaloFlow for CaloChallenge Dataset 1

• arxiv url: http://arxiv.org/abs/2210.14245v1
• Date: Tue, 25 Oct 2022 18:00:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 16:17:48.907135
• Title: CaloFlow for CaloChallenge Dataset 1
• Title（参考訳）: calochallengeデータセット1のためのcaloflow
• Authors: Claudius Krause, Ian Pang, David Shih
• Abstract要約: CaloFlowは、正規化フローに基づく高速カロリーメータシミュレーションのための、新しくて有望なアプローチである。 Geant4より数桁高速なサンプリング時間で高忠実度サンプルを生成する方法を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: CaloFlow is a new and promising approach to fast calorimeter simulation based on normalizing flows. Applying CaloFlow to the photon and charged pion Geant4 showers of Dataset 1 of the Fast Calorimeter Simulation Challenge 2022, we show how it can produce high-fidelity samples with a sampling time that is several orders of magnitude faster than Geant4. We demonstrate the fidelity of the samples using calorimeter shower images, histograms of high level features, and aggregate metrics such as a classifier trained to distinguish CaloFlow from Geant4 samples.
• Abstract（参考訳）: caloflowは、流れの正規化に基づく高速熱量計シミュレーションの新しい有望なアプローチである。 高速カロリメータシミュレーションチャレンジ2022のデータセット1の光子と荷電ピオンGeant4シャワーにCaloFlowを適用することで、Geant4より数桁速いサンプリング時間で高忠実度サンプルを作成できることを示す。 本研究では,Geant4試料からCaloFlowを識別するために訓練された分類器などの指標を,カロリーメータシャワー画像,高次特徴のヒストグラムを用いて示す。

関連論文リスト

• CaloChallenge 2022: A Community Challenge for Fast Calorimeter Simulation [22.42342223406944]
  我々は,「Fast Calorimeter Simulation Challenge 2022 - the CaloChallenge」の結果を提示する。 本研究では,4カロリーのシャワーデータセットの次元性向上に関する最先端生成モデルについて検討した。
  論文  参考訳（メタデータ） (2024-10-28T23:28:07Z)
• Large Language Monkeys: Scaling Inference Compute with Repeated Sampling [81.34900892130929]
  モデルから候補解を繰り返しサンプリングする簡単な手法を用いて、推論計算をスケーリングのための別の軸として検討する。 複数のタスクやモデルにまたがって、カバレッジは4桁以上のサンプル数でスケールする。 コードや形式的証明のようなドメインでは、回答が自動的に検証されるので、カバレッジの増加は直接的にパフォーマンスの向上につながります。
  論文  参考訳（メタデータ） (2024-07-31T17:57:25Z)
• Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
  反復Denoising Energy Matching (iDEM) iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。 提案手法は,全測定値の最先端性能を達成し,2～5倍の速さでトレーニングを行う。
  論文  参考訳（メタデータ） (2024-02-09T01:11:23Z)
• CaloClouds II: Ultra-Fast Geometry-Independent Highly-Granular Calorimeter Simulation [0.0]
  生成する機械学習モデルは、物理解析において従来のシミュレーションチェーンをスピードアップし、拡張することが示されている。 主要な進歩として最近導入されたCaloCloudsモデルがあり、予想される国際大型検出器(ILD)の電磁熱量計のための点雲としてカロリーメータシャワーを生成する。 この記事では、多数の重要な改善が加えられたCaloClouds IIを紹介します。これには、連続的なスコアベースのモデリングが含まれています。これにより、CaloCloudsに匹敵する25ステップのサンプリングが可能になり、単一のCPU上でGeant4よりも6倍のスピードアップを実現します。
  論文  参考訳（メタデータ） (2023-09-11T18:00:02Z)
• Comparison of Point Cloud and Image-based Models for Calorimeter Fast Simulation [48.26243807950606]
  2つの最先端スコアベースのモデルが、同じカロリーメータのシミュレーションに基づいてトレーニングされ、直接比較される。 生成モデルは、高次元のカロリーメーターデータセットを正確に生成することが示されている新しい生成モデルのクラスである。
  論文  参考訳（メタデータ） (2023-07-10T08:20:45Z)
• Simultaneous Image-to-Zero and Zero-to-Noise: Diffusion Models with Analytical Image Attenuation [53.04220377034574]
  高品質(未条件)な画像生成のための前方拡散プロセスに解析的画像減衰プロセスを導入することを提案する。 本手法は,フォワード画像からノイズへのマッピングを,テクスチメジからゼロへのマッピングとテクスティケロ・ツー・ノイズマッピングの同時マッピングとして表現する。 我々は,CIFAR-10やCelebA-HQ-256などの無条件画像生成や,超解像,サリエンシ検出,エッジ検出,画像インペインティングなどの画像条件下での下流処理について実験を行った。
  論文  参考訳（メタデータ） (2023-06-23T18:08:00Z)
• Parallel Sampling of Diffusion Models [76.3124029406809]
  拡散モデルは強力な生成モデルであるが、サンプリングが遅い。 そこで本研究では,複数のステップを並列にdenoisingすることで,事前学習した拡散モデルのサンプリングを高速化するParaDiGMSを提案する。
  論文  参考訳（メタデータ） (2023-05-25T17:59:42Z)
• Inductive Simulation of Calorimeter Showers with Normalizing Flows [0.0]
  iCaloFlowは、連続したカロリー層内のエネルギー蓄積パターンに基づいて訓練された、誘導型正規化フローに基づく高速検出器シミュレーションのためのフレームワークである。 示すように、iCaloFlowは、以前考えられていたよりも10倍から100倍高い検出器測地上で高速で高忠実なシミュレーションを行う際に、フローを正規化する可能性を実現することができる。
  論文  参考訳（メタデータ） (2023-05-19T18:00:00Z)
• CaloFlow II: Even Faster and Still Accurate Generation of Calorimeter Showers with Normalizing Flows [0.0]
  近年,正規化フローに基づくGEANT4カロリーシャワーエミュレーションのための高忠実度生成モデルであるCaloFlowを紹介した。 ここでは、元のフレームワークの改善であるCaloFlow v2を紹介します。
  論文  参考訳（メタデータ） (2021-10-21T18:00:04Z)
• CaloFlow: Fast and Accurate Generation of Calorimeter Showers with Normalizing Flows [0.0]
  正規化フローに基づく高速検出器シミュレーションフレームワークであるCaloFlowを紹介する。 本研究は, フローの正規化により, 極めて高い忠実度で多チャンネルのカロリーメータシャワーを再現できることを初めて実証した。
  論文  参考訳（メタデータ） (2021-06-09T18:00:02Z)
• Machine learning for rapid discovery of laminar flow channel wall modifications that enhance heat transfer [56.34005280792013]
  任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。 畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
  論文  参考訳（メタデータ） (2021-01-19T16:14:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。